Time-Series-Research CKAIA(한국인공지능학회) 하계학술대회 포스터 발표 논문 Ajou Softcon(아주대학교 SW융합교육원) 연구부문 장려상 연구 주제 일반적으로 시계열 데이터 예측에는 하나의 긴 센서 데이터를 사 용하지만, 의료 데이터에서는 패턴의 유사성을 가지는 여러 환자 의 시계열 데이터를 사용함. 환자에 따라 signal data의 형태가 다르지만, 일반적으로 좋은 예측이 가능하도록 resolution의 guidance를 조정해 보고자 함. 연구 내용 96 time step의 time series sequence가 주어지면, 그 이후 24 time step만큼의 데이터를 예측하는 것이 목표 (forecasting problem) 실험 결과 동일한 데이터를 어떤 resolution으로 학습하는지에 따라 학습 성능이 다름. 이를 일반화하여 데이터에 적절한 guidance를 알아서 부 여할 수 있다면, 통상적인 time series data에 모두 좋은 성능을 보이는 모델 개발이 가능할 것.